विषयसूची:
- पोर्ट बिग डेटा सीधे सेक्टर-विशिष्ट प्लेटफार्मों में
- बिल्ड आउट लिगेसी बिजनेस इंटेलिजेंस सिस्टम
- उस डेटा वेयरहाउस का उपयोग करें
- संरचना डेटा
- डेटा झीलों को पहचानें और संभालें
केंद्रीय कॉर्पोरेट डेटा वेयरहाउस में और उसके बाहर डेटा फ़नल करने के तकनीकी तरीकों के बारे में बातचीत करने के लिए Apache Hadoop और संबंधित उपकरणों का उपयोग करने से लेकर बड़े डेटा IT सेटअप बनाने में शामिल करने के बारे में इन दिनों बहुत चर्चा है। लेकिन बड़े डेटा का दार्शनिक तत्व भी है। दूसरे शब्दों में, आप उस सभी डेटा का उपयोग कैसे करते हैं जो आपके व्यावसायिक परिणामों को बढ़ाने और आपके व्यवसाय मॉडल को बेहतर बनाने के लिए चारों ओर झूठ बोल रहा है?
यहां पांच तरीके हैं जो कंपनियां संख्या को कम कर रही हैं और वास्तव में उन्हें कुछ ठोस परिणामों पर लागू कर रही हैं।
पोर्ट बिग डेटा सीधे सेक्टर-विशिष्ट प्लेटफार्मों में
समेकित व्यावसायिक डेटा का उपयोग शुरू करने का एक आसान तरीका विशिष्ट डेटा तत्वों को पूर्व-डिज़ाइन किए गए व्यवसाय प्रक्रिया प्रणालियों में डालना है जो उस डेटा को प्रभावी ढंग से वितरित करने के लिए बनाए जाते हैं। शायद सबसे अच्छा उदाहरण ग्राहक संबंध प्रबंधन (सीआरएम) उपकरण है। विक्रेता अक्सर डैशबोर्ड के आस-पास अपनी सेवाओं का निर्माण करते हैं जो कुशल और कार्रवाई योग्य ग्राहक फ़ाइलों या फ़ोल्डरों के साथ बिक्री कार्यकर्ताओं और अन्य लोगों को पेश कर सकते हैं।
बात यह है कि सीआरएम का उपयोग यह मानता है कि आपके पास आवश्यक डेटा कहीं है। यदि आप ग्राहक पहचानकर्ताओं को समूहित कर सकते हैं, इतिहास और अन्य संबंधित वस्तुओं को एक साथ खरीद सकते हैं, तो आप अपने सीआरएम प्लेटफॉर्म में इन सभी की शिपिंग शुरू कर सकते हैं। आपकी बिक्री टीम आपको धन्यवाद देगी।
बिल्ड आउट लिगेसी बिजनेस इंटेलिजेंस सिस्टम
फिर, आप चुन सकते हैं और चुन सकते हैं कि आप कौन से विशिष्ट डेटा सेट का उपयोग करना चाहते हैं, लेकिन एक और चीज जो कंपनियां कर रही हैं, वे डेटा को क्रंच करने के अपने सामान्य तरीके ले रही हैं और उन्हें धीरे-धीरे बढ़ाते हुए, अपने पारंपरिक डेटा में बड़े डेटा के अधिक से अधिक सेट करके। रिपोर्टिंग तकनीक।
ठीक है, इसलिए वहाँ कुछ सावधानीपूर्वक संसाधनों से अधिक वहाँ के बारे में है कि विरासत प्रणाली आम तौर पर वास्तविक प्रगति को कैसे रोकती है। लेकिन वहाँ भी कुछ व्यावहारिक गाइड हैं जो बड़े डेटा के लिए विरासत प्रौद्योगिकियों का उपयोग करने में कुछ चुनौतियों को दिखाते हैं, यह कैसे किया जा सकता है, और कैसे सही कर्मचारी सभी अंतर बना सकते हैं। इसके अलावा, तकनीकी रूप से, सब कुछ "विरासत" है एक बार जब यह तैनात किया जाता है, तो यह हमेशा एक विरासत प्रणाली को स्क्रैप करने का कोई मतलब नहीं है जब भी कुछ बेहतर होता है।
उस डेटा वेयरहाउस का उपयोग करें
यदि आपके पास एक केंद्रीय रिपॉजिटरी में बड़ा डेटा है और आप जानते हैं कि इसे कैसे एक्सेस किया जाए, तो आप उसके आसपास नई प्रक्रियाएँ बना सकते हैं।
यहाँ एक उत्कृष्ट उदाहरण है कि कैसे कुछ बड़ी कंपनियां बड़े डेटा के विशिष्ट, सटीक, पिनपॉइंट उपयोग कर रही हैं। आप इसे क्रॉस-इंडेक्सिंग कह सकते हैं; यह एक उद्यम को अपने कई प्रकार के ग्राहक खातों के बीच सुसंगत मॉडल बनाने में मदद करता है जो सॉफ्टवेयर आर्किटेक्चर के विभिन्न हिस्सों में हो सकते हैं।
सभी कार्रवाई करने योग्य डेटा को एक साथ जोड़कर, एक कंपनी यह देखने में सक्षम हो सकती है कि, उदाहरण के लिए, अपने एक बार के पॉइंट-ऑफ-सेल रिटेल डेटाबेस में एक नाम उसके सेवा प्रभागों में से एक में मेल खाता है। कंपनी फिर दोनों विभागों को जानकारी आयात करती है, ताकि जब कोई फोन उठाता है, तो उन्हें पता चले कि वह व्यक्ति दोनों अलग-अलग चैनलों में सक्रिय है।
यह व्यावसायिक बुद्धि का व्यावहारिक उपयोग है - यह आपको वास्तव में सभी बड़े डेटा के आधार पर कुछ करने में मदद करता है जिसे आपने एक साथ स्क्रैप किया है।
संरचना डेटा
बड़े डेटा के साथ एक और प्रमुख मुद्दा यह है कि कंपनियां अक्सर अपेक्षाकृत असंरचित डेटा एकत्र करती हैं। असंरचित डेटा कागज या डिजिटल दस्तावेजों, कच्चे या अपरिष्कृत डेटाबेस संसाधनों, या यहां तक कि मोबाइल उपकरणों से पाठ और कोड के स्निपेट के रूप में भी आ सकता है। जो डेटा असंरचित है, वह यह है कि यह रिलेशनल डेटाबेस फॉर्मेट का पालन नहीं करता है। नतीजतन, पारंपरिक भरोसेमंद डेटाबेस इसे संभाल नहीं सकता है, और आपको इसमें से कोई व्यापारिक खुफिया जानकारी नहीं मिलती है।
इसे संभालने के दो तरीके हैं: एक फावड़ा को पकड़ना और खुदाई शुरू करना, या कुछ ऐसे संसाधन प्राप्त करना जो उस असंरचित डेटा को कार्रवाई योग्य डेटा में परिष्कृत करते हैं। ऐसी कंपनियां जो नए सॉफ़्टवेयर में निवेश नहीं करना चाहती हैं, वे मानव हाथों को असंरचित डेटा के माध्यम से क्रमबद्ध करने और इसे सही ढंग से प्रारूपित करने के लिए नियोजित कर सकती हैं, लेकिन अब आपके पास कुछ ऐसे उपकरण हैं, जो उपकरण का धन्यवाद करते हैं, जो बिना बाधा के डेटा को प्रभावी ढंग से पार्स करेंगे। उदाहरण के लिए, मेटाडाटा एक तरह से डेटा माइनिंग को स्वचालित करने का एक तरीका है जो इसे उपयोगी बनाता है।
डेटा झीलों को पहचानें और संभालें
बड़े डेटा समुदाय में एक और बड़ी चर्चा डाटा लेक है। अनिवार्य रूप से, डेटा लेक डेटा का एक बड़ा पूल है जो अप्रयुक्त है। यह आराम से डेटा की सर्वोत्कृष्ट परिभाषा है - इसके साथ कुछ भी नहीं किया जा रहा है, यह परेशान नहीं किया जा रहा है, यह पानी के स्थिर शरीर के लिबास के रूप में बर्फीले और शांत है।
फिर, डेटा झीलों को संभालने के कई अलग-अलग तरीके हैं, लेकिन उन सभी में यह प्रतिबिंबित करना शुरू होता है कि उन बड़े डेटा सेटों में क्या है और वे पहले स्थान पर ठंडे बस्ते में क्यों हैं। कंपनियां अपने डेटा केंद्रों का निर्माण कर रही हैं और इन डेटा झीलों को कार्रवाई योग्य टुकड़ों में तोड़ने के लिए अल्ट्रामॉडर्न ऑब्जेक्ट-ओरिएंटेड डेटा क्लस्टरिंग तकनीकों का उपयोग कर रही हैं। यह वास्तव में एक मालिकाना मामला-दर-मामला आधार पर किया जाता है, लेकिन कुछ विशेषज्ञों का सुझाव है कि उन डेटा झीलों को सहायक नहरों में कैसे कोरल किया जाए जो जानकारी के टुकड़े को कहीं न कहीं खत्म करते हैं और कुछ करते हैं।
